Unifique os dados de carregamento de VE e a operação com o MongoDB para criar experiências de carregamento dimensionáveis e responsivas e se adaptar rapidamente à medida que sua infraestrutura cresce.
Casos de uso: Internet das coisas
Setores: Manufatura e Mobilidade
Produtos e ferramentas: MongoDB Atlas, MongoDB Search, Séries temporais do MongoDB
Parceiros: Vercel, Apollo GraphQL
Visão Geral da Solução
Seja você um OEM automotivo, um provedor de energia ou serviços públicos, ou uma inicialização de tecnologia de mobilidade, o carregamento de veículos elétricos (VE) conectados exige a reunião de dados que mudam em velocidades diferentes e alimentam diferentes partes da experiência de carregamento.
Esses dados incluem:
Localização das estações e funcionalidade dos conectores.
Disponibilidade da estação e sessões ativas.
Preços.
Eventos operacionais.
À medida que as redes de carregamento crescem, manter esses dados consistentes e acessíveis em experiências voltadas para o driver e operacionais torna-se cada vez mais importante para fornecer serviços confiáveis e tomar decisões informadas.
Esta solução demonstra como uma camada de dados operacional unificada pode reunir essas cargas de trabalho no MongoDB. Uma base de dados compartilhada oferece suporte a experiências de carregamento em tempo real e fornece aos operadores uma visão consistente da atividade da estação e da sessão.
Dentro de uma única arquitetura de aplicativo, a solução gerencia:
Descoberta e disponibilidade de estações.
Cobrança de reservas e sessões ativas.
Eventos operacionais e telemetria.
A abordagem usa o document model do MongoDB para organizar dados em torno de padrões de acesso de aplicativo, enquanto as query geoespaciais oferecem suporte à descoberta com reconhecimento de localização, as atualizar condicionais ajudam a manter a disponibilidade precisa e os change streams conectam as mudanças de estado operacional com o em processamento downstream. A consolidação de dados operacionais em uma plataforma flexível permite que sua equipe crie aplicativos de carregamento conectados que se adaptam à medida que as redes, os requisitos de dados e as necessidades operacionais crescem.
Figura 1. Visão geral da plataforma de dados que atende ao ecossistema de carregamento de VEs
Arquiteturas de referência
A solução reúne experiências de driver, operações de carregamento, simulação de estação e dados operacionais por meio de uma arquitetura de aplicativo unificada.
Figura 2. Arquitetura de demonstração de carregamento de VE
O aplicativo Next.js oferece duas experiências principais:
driver aplicativo: Usado para descoberta de estações e gerenciamento de sessões de carregamento.
Operations Control Center: Usado para monitorar a atividade de cobrança em tempo real e dados de operação.
O aplicativo se comunica bidirecionalmente com o Charging Station Gerenciamento System (CSMS), criado com Apollo GraphQL. O CSMS fornece o contrato do aplicativo para fluxos de trabalho de carregamento e conecta as ação do aplicativo com as operação da estação de carregamento. O aplicativo também se integra a serviços baseados em localização por meio do OpenStreetMap para oferecer suporte à descoberta de estações e experiências baseadas em localização.
Um simulador Python FastAPI representa a atividade da estação de carregamento e gera telemetria de sessão. MongoDB change streams capturam alterações de estado na sessão de carregamento para o fluxo de trabalho de CSMS para simulador. O simulador usa esses eventos para:
Inicie ou interrompa em processamento de uma sessão de cobrança.
Calcule o estado de carregamento simulado.
Gerar telemetria de sessão.
O MongoDB fornece a plataforma de dados operacionais unificada em toda a arquitetura. Ele integra todos os dados necessários para a experiência de carregamento de ponta a ponta — desde o contexto do driver e do veículo até a infraestrutura de carregamento, atividade da sessão, eventos operacionais e telemetria de alto volume.
À medida que sua solução evolui, as funcionalidades do MongoDB, como query geoespacial, coleção de séries temporais, Atlas Search e arquivo online, oferecem suporte a diversos dados e padrões de acesso.
Abordagem do modelo de dados
O modelo de dados segue a forma como os aplicativos de carregamento de VE realmente funcionam: os drivers precisam de uma visão completa de uma sessão de carregamento, as pesquisas de estação precisam de localização e disponibilidade juntas, enquanto a telemetria precisa ser tratada como um fluxo de alto volume. O document model do MongoDB permite que você molde cada coleção em torno desses padrões de acesso específicos.
A solução utiliza as seguintes coleções principais:
usersevehicles: Armazenar informações do driver e do veículo.chargingStationsechargingPoints: Acompanhar a descoberta de estações e o estado do Equipamento de Abastecimento de Veículos Elétricos (EVSE).chargingSessions: gerenciar reservas, sessões ativas e histórico de carregamento.incidents: Acompanhe problemas operacionais.telemetry: armazenar dados de carregamento de alto volume.
O document model torna a solução intuitiva e mais fácil de implementar.
Por exemplo, a coleção chargingSessions usa o Padrão de Referência Estendida para manter os dados do histórico da sessão juntos. Juntamente com as referências ao veículo e à estação subjacentes, a sessão armazena pequenos snapshot dos detalhes relevantes.
{ "status": "COMPLETED", "stationSnapshot": { "name": "Downtown Mall Charging", "addressShort": "Main St 10, Zurich", "chargingPointLabel": "Bay 1" }, "vehicleSnapshot": { "make": "BMW", "model": "i3" }, "charging": { "energyDeliveredKwh": 52.4 }, "pricingSnapshot": { "currency": "EUR", "priceCentsPerKwh": 55 }, "cost": { "totalCents": 2882 }}Quando os drivers visualizam seu histórico de sessão, o aplicativo recupera essas informações de um único documento sem unir várias coleções. Os snapshot também preservam o contexto histórico da sessão, mesmo que os dados subjacentes da estação ou do veículo mudem posteriormente.
O mesmo princípio simplifica a descoberta de estações. A coleção chargingStations armazena sua localização como GeoJSON, permitindo que as query geoespaciais do MongoDB encontrem estações próximas à localização de um driver. Ele também mantém contagens de disponibilidade calculadas e uma projeção limitada da funcionalidade do ponto de carregamento, para que as query de pesquisa e de mapa comuns possam ser respondidas diretamente do documento da estação.
{ "name": "Downtown Mall Charging", "location": { "type": "Point", "coordinates": [8.5417, 47.3769] }, "availability": { "availableNowPoints": 7 }, "chargingPoints": [ { "connectors": [ { "type": "CCS", "power": 150 }, { "type": "TYPE2", "power": 22 } ] } ]}O estado operacional que muda com frequência permanece na coleção chargingPoints separada para evitar atualizar documentos da estação sempre que o status de um ponto de carregamento muda. Essa separação também mantém o modelo eficiente à medida que o volume de telemetria aumenta.
A telemetria tem um padrão de acesso diferente: é de alto volume, baseada em tempo e em crescimento contínuo. A solução mantém a telemetria separada e usa uma coleção de séries temporais do MongoDB com um índice TTL para forçar automaticamente as políticas de retenção. Para dados de vida útil mais longa, o MongoDB online arquivo move dados mais antigos para um armazenamento de menor custo, fornecendo uma maneira nativa de gerenciar o ciclo de vida dos dados sem criar fluxos de trabalho de arquivo separados.
{ "timestamp": "2026-02-12T08:11:58Z", "meta": { "stationId": "65c8f2e2d2f4c3a9b3b9b001", "chargingPointId": "65c8f2e2d2f4c3a9b3b9b101", "stationCode": "station-001", "chargingPointCode": "cp_station-001_01" }, "messageType": "SESSION_SAMPLE", "ok": true, "powerKw": 120, "energyKwhDelta": 0.4, "voltageV": 400, "currentA": 300, "temperatureC": 31.2}Esses padrões mantêm a implementação focada nos fluxos de trabalho reais do aplicativo, permitindo que cada tipo de dados seja dimensionado e evolua de forma independente. O resultado é um document model prático que reduz a complexidade do aplicativo sem sacrificar a flexibilidade.
Construir a solução
Para executar a solução localmente, conclua as seguintes etapas:
Para obter instruções completas de configurar, opções de desenvolvimento local, variáveis de ambiente e comandos adicionais, consulte o repositório do Github.
Principais Aprendizados
Unifique os dados e as operações de carregamento de veículos elétricos: consolide as experiências dos drivers, a infraestrutura de carregamento, os dados operacionais e a telemetria em uma única plataforma de dados operacionais para melhorar a visibilidade e simplificar a arquitetura.
Simplifique o desenvolvimento e a evolução: use o document model flexível e os padrões de esquema do MongoDB para criar e adaptar fluxos de trabalho de carregamento conforme os requisitos mudam.
Criar para disponibilidade e dimensionar: Combinar dados em tempo real, em processamento orientado a eventos e funcionalidades nativas do MongoDB para suportar experiências de carregamento responsivas conforme a infraestrutura e os volumes de dados crescem.
Amplie as operações com IA: use o contexto de estação, sessão, incidente e telemetria conectados como base para suporte assistido por IA e fluxos de trabalho de decisão operacional.
Autores
Rami Pinto, MongoDB
Humza Akhtar, MongoDB
Daniel Jamir, MongoDB